利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。     

尺度目标的频域核回归跟踪研究

提出了一种基于频域核回归模型的尺度目标跟踪算法。该算法将时域相关滤波转换为频域的线性回归问题,构建一个包含似然项和先验项的代价损失函数,当似然项和先验项选取不同的分布函数,获得不同约束条件下的跟踪模型;通过核函数用来适应目标在跟踪过程的尺度变化。在初始帧中,通过手动标注目标初始状态,获得目标样本及其标记,利用核回归得到目标的频域模板;在跟踪过程中,利用循环卷积定理,将时域相关运算转换为频域乘积运算,快速计算候选样本的响应,得到目标在当前帧的估计;利用估计结果更新目标频域模板,同时在线更新核函数,适应目标尺度变化。实验分析表明,文中算法能够实时地跟踪目标,适应目标外观和尺度的变化,获得较好的跟踪效果。     

一种利用最大间隔相关滤波的鲁棒目标跟踪算法

核相关跟踪通过相关滤波定位目标在图像中的位置，这种生成式滤波器方法容易受到与目标相似背景的干扰，导致跟踪失败。针对这一问题，通过最大分类间隔增强相关滤波器的判别性，将相似背景作为负样本对模型进行更新来提高跟踪的鲁棒性。该算法首先建立了基于最大间隔相关滤波器的目标跟踪模型，通过分类判别出与目标相似的背景；然后在跟踪过程中，将获得的相似背景作为负样本并对跟踪模型进行在线更新，适应目标在运动中的各种变化，最终实现对目标的鲁棒跟踪。在OTB2013和VOT2014数据库中选取了17个典型的图像序列进行实验，同时与6种相关跟踪算法的结果进行比较。实验结果表明，该算法在精确度和成功率这2个性能指标上, 相比于次优算法，在性能上分别提升8%和2%。 不仅取得了最好的跟踪效果。而且跟踪实时性较好。     

电波频率对射频隐身性能的影响分析

针对新一代军用飞机对射频隐身能力的迫切需求,研究了电波频率对射频隐身性能的影响。首先基于截获距离给出了隐身效率的定义。然后综合考虑自由空间衰减、大气吸收衰减和降雨衰减的影响,对截获距离与电波频率之间的关系进行了分析。最后仿真了10~40 GHz之间,不同工作距离和天气环境下,频率改变对射频隐身性能的影响。结果表明,频率选择对射频隐身性能具有很大影响,在10~40 GHz内通过频率改变能够提高约10%的隐身效率,同时工作距离和天气条件对隐身性能也会产生一定的影响。     

应用集成理论的非监督哈希学习

针对以往算法在学习哈希函数过程引入随机性，导致得到的哈希码存在很大的差异性。该文以集成学习理论和并行计算方法为支撑，提出了一种非监督集成哈希学习 (UEH)算法。首先，对于一些经典哈希算法，例如SKLSH和ITQ，并不能获得唯一的汉明排序，因为在不同时刻学习得到的哈希函数并不唯一，亦即存在差异性；然后，运用集成学习算法去平衡哈希码之间的差异性，达到减少量化误差的效果；特别地，当基学习器满足高精度和较大差异性条件时，集成性能越高，因此，我们采用自举法，通过随机产生多组训练子集来增大差异性，从而进一步提高算法的泛化能力。在图像库CIFAR10和MINIST上，运用该文算法进行图像检索，实验结果表明，该文算法的性能高于其他相关算法6%~15%。     

基于多模型蒸馏的时间正则化相关滤波跟踪算法

目前大多数基于相关滤波的跟踪方法是通过对模型采取简单的线性加权融合或是将历史模型作为时间正则化项来约束模型更新的方式, 增强滤波器对目标的判别能力, 但这种方式对目标时域信息利用有限, 容易造成模型退化漂移。本文提出一种基于多模型蒸馏的时间正则化相关滤波跟踪算法, 该方法通过收集跟踪过程中利用当前样本产生的独立模型, 在建立包含背景信息的局部样本库中来指导滤波器更新, 以此保留目标在时域中的鲁棒特征。同时，根据每一个模型对当前目标的表征能力不同进行可靠性权值更新。最后，利用交替方向乘子(alternating direction multiplier，ADMM)算法进行模型迭代优化。通过在大量的数据库进行实验, 结果表明本文的方法在精确度与成功率上有了大幅提升。